LA VERITA' DEI DATI CONTRAPPOSTA AL CONSENSO: PERCHE' NEL QUALITY MANAGEMENT LE PERCEZIONI NON BASTANO
Partiremo da un interessante aforisma di Warren Buffett per spiegare come dovrebbe funzionare davvero la gestione della qualità
La verità dei dati vs il consenso: perché nel Quality Management le percezioni non bastano
"Se avessimo prestato attenzione ai dati dei test di sicurezza invece di basarci sulle assicurazioni dei fornitori, avremmo potuto prevenire uno dei più costosi richiami della storia automotive." Questa amara considerazione emerge dall'analisi del caso Takata, il più grande richiamo della storia dell'automotive: 67 milioni di airbag difettosi, almeno 24 morti e oltre 400 feriti negli Stati Uniti. Costi stimati in oltre 24 miliardi di dollari e il fallimento di un'azienda con 84 anni di storia.
La NHTSA (National Highway Traffic Safety Administration) ha documentato come i primi segnali di allarme fossero evidenti nei dati dei test già nel 2004. I report mostravano esplosioni anomale degli inflator dovute alla degradazione del propellente, ma queste evidenze furono minimizzate in favore delle rassicurazioni basate sulla "lunga esperienza" nel settore.
I numeri di questo disastro industriale sono impressionanti:
- 100 milioni di veicoli richiamati globalmente
- 19 case automobilistiche coinvolte
- 24 miliardi di dollari in costi diretti
Ma il vero costo di ignorare i dati va oltre i numeri. Come documentato dal report del Senato degli Stati Uniti del 2015, Takata aveva scelto di dare più peso alle opinioni e alle prassi consolidate che ai dati oggettivi dei test di sicurezza.
Come dice Warren Buffett: "Non avete mai ragione o torto perché gli altri sono d'accordo con voi. Avete ragione perché i vostri dati sono esatti e il vostro ragionamento è corretto".
Quando il consenso batte i dati
Il caso Takata non è un incidente isolato ma il sintomo di una malattia più profonda che affligge molte organizzazioni: la trappola del consenso nel Quality Management.
Immaginate una riunione in cui, sul tavolo, un report mostra scostamenti minori ma persistenti nei parametri di processo. Il quality manager junior che ha preparato l'analisi suggerisce un'analisi approfondita. Ma ecco che inizia il rituale: "Sono variazioni nella norma", dice il responsabile di produzione con 20 anni di esperienza. "Li abbiamo sempre avuti questi piccoli scostamenti", aggiunge il supervisore di linea. Uno dopo l'altro, i presenti annuiscono. Il dato oggettivo viene sepolto sotto il peso dell'esperienza collettiva.
Ma quali sono i meccanismi che rendono la trappola del consenso così insidiosa?
- La pressione del gruppo teorizzata dallo psicologo Irving Janis, si manifesta quando il desiderio di armonia e conformità prevale sulla valutazione razionale dei fatti. Nel Quality Management, questo si traduce in decisioni che privilegiano il consenso rispetto all'evidenza dei dati.
- L'illusione dell'esperienza - "Abbiamo sempre fatto così" è la frase più pericolosa nel mondo della qualità perché nasconde un'insidia: confonde la ripetizione con la validazione. Solo perché qualcosa non ha causato problemi visibili in passato, non significa che sia la scelta ottimale o sicura per il futuro.
- L'effetto a cascata - Quando una decisione viene presa basandosi sul consenso invece che sui dati, crea un precedente e questo precedente diventa poi un riferimento per decisioni future, innescando un pericoloso effetto a cascata dove ogni nuova decisione si basa sempre meno sui dati e sempre più sul "precedente".
Il consenso ha un ruolo importante nel Quality Management ma non può e non deve sostituire i dati.
Il potere dei dati oggettivi
Che differenza c'è tra affermare che: "Il livello di qualità sembra accettabile" e dire che "Il First Time Quality rate è sceso dal 98.5% al 97.2% nell'ultimo trimestre"? La prima è un'affermazione non verificabile in base alla quale è impossibile adottare delle misure. Nel secondo caso, invece, abbiamo un dato che fornisce una base concreta per qualunque tipologia di azione che decideremo di adottare.
Uno degli errori più comuni nel Quality Management è confondere correlazione e causalità. Ad esempio, un'azienda potrebbe concludere che "i difetti aumentano il lunedì" (correlazione) e decidere di aumentare i controlli proprio il lunedì, invece di cercare le vere cause alla base del problema (per esempio, il riavvio delle macchine dopo il fermo del weekend).
La differenza non è di poco conto:
- la correlazione dice: "Questi eventi accadono insieme"
- la causalità dice: "Questo evento causa quest'altro evento"
Il ragionamento metodico di Buffett si traduce perfettamente nel metodo scientifico applicato al quality control:
- osservazione dei dati
- formulazione di ipotesi
- test dell'ipotesi
- analisi dei risultati
- conclusioni basate sulle evidenze
Anche il ciclo PDCA (Plan-Do-Check-Act) è la perfetta incarnazione del principio di Buffett:
- Plan: basato su dati, non su opinioni
- Do: esecuzione controllata e misurata
- Check: verifica oggettiva dei risultati
- Act: azioni correttive basate sulle evidenze
Attenzione, però! Avere dei dati non significa automaticamente produrre decisioni miglior perché dobbiamo raccogliere i dati giusti, interpretarli correttamente e trasformarli in azioni concrete.
Conclusioni
Torniamo al caso Takata, ma con una prospettiva diversa. Immaginate se nel 2004, quando i primi dati mostravano anomalie negli inflator degli airbag, qualcuno avesse avuto il coraggio di alzarsi e dire: "Non mi interessa quanti anni di esperienza abbiamo, questi numeri raccontano una storia diversa."
Quel singolo momento avrebbe potuto cambiare tutto:
- 67 milioni di airbag non sarebbero stati richiamati
- 24 vite sarebbero state salvate
- 24 miliardi di dollari sarebbero stati risparmiati
- Un'azienda storica non sarebbe fallita
Ma la vera tragedia non è stata l'assenza dei dati. I dati c'erano. La tragedia è stata scegliere il conforto del consenso invece della scomodità della verità.